簡體 English 中英

最小但快速的加權-最小二乘回歸

[英]Minimal but fast Weighted- Least Squares Regression

原文 2012-04-17 08:44:03 4 1 r/ linear-regression

我知道過去也曾提出過類似的問題，但我的工作與只需要系數的加權回歸有關。 計算應盡可能快。 我知道ls.fit和一些Rcpp軟件包功能是這里的選項。 但是，關於進行加權回歸的最快，最最少方法的共識是什么？

首先，計算線性代數以獲取所需的項（此站點范圍外的問題；如果需要幫助，請嘗試stats.stackexchange.com）。 然后以快速的方式運行該計算。 根據鈣調蛋白的外觀，您的方法會有所不同。

加快速度的可能方法：

[英]Weighted Least Squares in R

[英]Fast Constrained Least Squares

[英]Weighted nonnegative least squares in R

[英]function for weighted least squares estimates

[英]Obtain the MLE of betas through iterative re-weighted least squares regression

[英]Adding a weighted least squares trendline in ggplot2

[英]Simulating a 2-Stage Least Squares regression in R

[英]Total Least squares regression without intercept, with R

[英]Nonlinear total least squares/Deming regression

[英]Running bootstrap on Total Least Squares Regression coefficent

暫無

聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

相關問題 R中的加權最小二乘快速約束最小二乘法 R中的加權非負最小二乘加權最小二乘估計的函數通過迭代重新加權最小二乘回歸獲得beta的MLE 在ggplot2中添加加權最小二乘趨勢線在R中模擬2階最小二乘回歸沒有截距的總最小二乘回歸，R 非線性總最小二乘法/戴明回歸在總最小二乘回歸系數上運行引導程序

相關標簽